§6 函数的最佳逼近 /* Optimal Approximation */

 最佳平方逼近：即连续型 L-S 逼近，在

|| f ||2  ( f , f )
意义
|| P  y下，使得
||2 最小。
偏差
 最佳一致逼近 /* uniform approximation */ /* deviation*/

在 || f ||  max
x[ a , b ]
| f ( x) | || P  y ||意义下，使得


最小。也称为 minimax problem 。

Takeyou
Didn’t it easy. It’sa not
say it’s veryso
difficult if we consider
difficult problem?
polynomials only.
 §2 Optimal Approximation

定义 设 f  C[a , b], pn  H n  span{1, x ,  , x n } ，称

 ( f , pn ) || f  pn ||  max | f ( x )  pn ( x ) |

a xb

为 pn 与 f 的偏差 .
若 P ( x0 )  y( x0 )   || P  y || ，
则称 x0 为 偏差点。
若 E n  inf  ( f , pn )  min  ( f , pn )
pn  H n pn  H n

则称为 pn 与 f 的最小偏差。
 §2 Optimal Approximation

定义 设 f  C [a , b] ，若存在 pn  H n ，使
*

 ( f , pn* )  E n  min  ( f , pn )
pn  H n
*
p
则称 n 为 f 在 [a , b] 上的最佳一致逼近多项式，

简称最佳逼近多项式。

最佳多项式是否存在？是否
定理（ Borel ） 若 f  C [a , b] ，则存在 pn  H n
*

为唯一？如果存在，如何寻
使式 找或构造？
 ( f , pn )  E n  min  ( f , pn )
*

成立。
pn  H n
 §6 Optimal Approximation

最佳一致逼近多项式 /* optimal uniform approximating po

lynomial */ 的构造：求 n 阶多项式 Pn(x) 使得 || Pn  y || 最
小。
直接构造 OUAP 的确比较困难，不妨换个角度，
先考察它应该具备的性质。有如下结论：

 OUAP 存在，且必同时有 偏差点。

证明：存在性证明略。后者用反证法，设只有正偏差点。
设 || Pn  y ||  max
x[ a ,b ]
| Pn ( x )  y( x ) |  E n

而对于所有的 x[a, b] 都 Pn ( x )  y( x )   E n
有  E n    Pn ( x )  y( x )  E n
| [ Pn ( x )   / 2]  y( x ) |  E n   / 2

是 n 阶多项式 是误差更小的多项式
 §6 Optimal Approximation

 （ Chebyshev 定理） Pn 是 y 的 OUAP  Pn 关于 y 在

定义域上至少有 n+2 个交错的 偏差点。
即存在点集 a  t1 <…< tn+2  b 使得
P (
n kt )  y ( t k )   (  1) k
|| Pn  y ||

{ tk } 称为切比雪夫交错点组 /* Chebyshev alternating sequenc

e若*/ f ( x )  C [a , b] ，则 n 次 OUAP 唯一。
证明：反证，设有 2 个 OUAP’s ，分别是 Pn 和 Qn 。
Pn ( x)  Qn ( x)
两者同号
则它们的平均函数 Rn ( x)  
2
也是一个 OUAP 。
对于 Rn 有 Chebyshev 交错组 { t1,…, tn+2 } 使得
1 1
 
En | Rn (tk ) f (tk ) |  
| Pn (tk ) f (tk ) |  | Qn (tk )  f (tk ) |  En
2 2
|Pn ( tk ) f ( tk ) |  |Qn ( tk ) f ( tk ) | E n
则 Pn (tk )  f (tk )  Qn (tk )  f (tk ) k  1,2, , n  2 
_
P n ( t k ) Qn ( t k )  0 , Pn ( x )  Qn ( x )
 §6 Optimal Approximation

 由 Chebyshev 定理可推出： Pn(x)  y(x) 在定义域上至少变

n+1 号 n+1 次，故至少有
y 个根。 可见 P (x) 是 y(x) 的 n
某一个插值多项式
y  y ( x)  En
y  Pn ( x)
y  y ( x)

y  y ( x)  En

如何确定插值节点 {
x0, …, xn } 的位置，
x
0 使得 Pn(x) 刚好是 y
y ( n1) ( ) n 的 OUAP ？即，使
| Rn ( x ) |   ( x  xi ) 达到极小？
( n  1)! i  0 插值余项
 §6 Optimal Approximation
n
在 [ 1, 1] 上求 { x1, …, wxnn( x}) 使得
 ( x  xi )
的 ||wn|| 最小。
i 1

注意到 n   Pn1 ( x) ，要使 ||wn||

n
w ( x) x
最小就意味着
在 [ 1, 1] 上求函数 xn 的 n1 阶
OUAP 。

由 Chebyshev 定理可推出： Pn1(x) 关于 xn 有 n+1

个偏差点，即 wn(x) 在 n+1 个点上交错取极大、极
小值。
在 [ 1, 1] 上求切比雪夫交错组 { t1, …,
tn+1 } 。
 §6 Optimal Approximation

 切比雪夫多项式 /* Chebyshev polynomials */

考虑三角函数 cos(n ) 在 [ 0,  ] 上的 n+1 个极
值点。k
当  k  n  ( k  0, 1, ... , n) 时， cos(n )
n

交错达到极大值 1 和极小值  1 ，且存在系数

cos( n  )   ak 0, …, an
a (cos  ) k

k 0


使得令 x = cos( ) ，则 x [ 1 , 1
] 。T ( x ) cos( n  ) cos(n· arccos x ) 称为 Chebyshev 多项式
n

 Tn 的重要性质：
k 
 当k
t  cos   ( k  0, 1, ... , n) Tn ( t k ) 时，
n  1
Tn ( t k )  ( 1) 1
交错取到极大值
k
|| Tn和极小值
( x ) || 1 ，即
 2k  1 
 当k
x  cos   ( k  1, ... , n) Tn ( x k )  0
 2n 
时 ，即 {x1, …, xn } 为 Tn(x) 的 n
 §6 Optimal Approximation

 Tn(x) 满足递推关系：
T0(x) = 1 ， T1(x) = x ，Tn1 ( x )  2 x Tn ( x )  Tn1 ( x )
Tn(x) 为 n 次多项式，首项系数为 2n1 。且 T2n
偶 x 的
(x) 只含 次幂， T 奇(x) 只含 x 的 2n+1
1
 { T次幂。
0 (x), T1 (x), … } 是 [ 1 , 1 ] 上关于权  ( x) 
1  x 2
1
(Tk , Tl )    ( x )Tk ( x )Tl ( x )dx
正交的函数族。即在内积 1
0 kl
 的意义下有
OKOK, I think it’s enough for us…
(Tk , Tl )   kl0
What’s our target again?
 kl0
 2

在 [ 1, 1] 上求切比雪夫交错组 { t1,

…, tn+1 } 。
在 [ 1, 1] 上求函数 xn 的 n1
阶 OUAP 。
 §6 Optimal Approximation
Tn ( x )
 可见：若取w n ( x )  2 n1 ，则 wn 在 [ 1 , 1 ]
上有 n+1 个极值点 { tk } ，也即 Pn1(x) = xn  wn(x) 关于
OK
x 在 [ 1 , 1 ] 上有 n+1 个交错偏差点 { tk }n 。
n

在 [ 1, 1] 上求 { x1, …, 
wnx( nx)}使得 ( x  xi )
的 ||wn|| 最小。
i 1

1 1
|| Pn1 ( x )  x || 取最小值
n
min || w n ||  n 1 Tn ( x )  n 1
w n  n 2 
2
 { x1, …, xn } 即为 Tn(x) 的 n 个零点。
n = { 首项系数为 1 的 n 阶多项式
如何确定插值节点 { x0, …, xn } 的位置，使
/*monic polynomials of degree n */ } y ( n1) ( ) n
得 Pn(x) 刚好是 y 的 OUAP ？即，使插值余项
| Rn ( x ) |  
( n  1)! i  0
( x  xi )

达到极小？
 取 { x0, …, xn } 为 Tn+1(x) 的 n+1 个零点，做 y 的插值多
M
项式 Pn(x) ，则插值余项的上界可达极小
2 n ( n  1)! 。
 §6 Optimal Approximation

注：
 上界最小不表示 | Rn(x)| 最小，故 Pn(x) 严格意义上只是
y(x) 的近似最佳逼近多项式；
ab ba
 对于一般区间 x [a, b] ，可作变量替换 x 
2

2
t
，则 t [ 1 , 1 ] ，这时
w n1 ( x )  w n1 ( a 2 b  b 2a t )  ( a 2 b  b 2a t  x0 )...( a 2 b  b 2a t  x n )
 b 2 a 
n 1
( t  t 0 )...( t  t n )
 2

b  a n 1 1
2n
Tn 1 ( t )  ( b  a ) n1
2 2 n1
Tn 1 ( t )
ab ba  2k  1 
xk   cos 
即以 2 2  2n  2 
y ( n1) ( ) (b  a ) n1
Rn ( x )  Tn1 ( t )
为插值节点 (k=0,…, ，得
( n  1)! 2n
n) P (x)
2 n 1
，余项

有最小上界。
 §6 Optimal Approximation

例：求 f (x) = ex 在 [0, 1] 上的近似最佳逼近多项式，使其误

差不超过 0.5104 。
解： 根据误差上界确定 n :
e 1 1
| Rn |   2 n1   10  4 n= 4
( n  1)! 2 2
 计算 T5(t) 的根：
 3 5 7 9
t 0  cos , t1  cos
, t 2  cos , t 3  cos , t 4  cos
10 10 10 10 10
ab ba 1
x  t  ( t  1)
2 2 2
1  1 3
x0  (cos  1)  0.98 , x1  (cos  1)  0.79
2 10 2 10
1 5 1 7
x 2  (cos  1)  0.50 , x 3  (cos  1)  0.21
2 10 2 10
1 9
x4  (cos  1)  0.02
2 10  以 x0, …, x4 为节点作 L4(x)
 §6 Optimal Approximation

 Chebyshev 多项式的其它应用
—— 多项式降次 /* reduce the degree of poly
nomial with a minimal loss of accuracy */

设 f (x)  Pn(x) 。在降低 Pn(x) 次数的同时 ,

使因此增加的误差尽可能小 , 也叫 econo
miza-tion of power series 。
从 Pn 中去掉一个含有其最高次项的Pn , 结
~
果降次为
P n1 , 则：
~
max | f ( x )  Pn1 ( x ) |  max | f ( x )  Pn ( x ) |  max | Pn ( x ) |
[  1 ,1 ] [ 1 ,1 ] [ 1,1]

Tn ( x )
设 Pn 的首项系数为 an ，则取
Pn ( x )  an  n 1
2
可使精度尽可能少损失。
因降次而增的误差
 §6 Optimal Approximation
例： f (x) = ex 在 [1, 1] 上的 4 阶 Taylor 展
开为 x2 x3 x4 e
P4  1  x    ，此时误差 4 | R ( x ) |  | x 5 |  0.023
2 6 24 5!
请将其降为 2 阶多项式。
1 1 1 1
解： 取 P4   3 T4 ( x )  ( x 4  x 2  ) （查表知 T4  8 x 4  8 x 2  1
24 2 24 8 ）
2 3
x x 1 1 191 13 2 1 3
P4  P4  1  x    ( x  ) 
2
 x x  x
2 6 24 8 192 24 6
1 1 1 3 3
取 P3   2 T3 ( x )  ( x  x ) （查表知 T3  4 x 3  3 x
6 2 6 4 ）
~ 13 2 9 191 ~
P3  P3  x  x || e  P2 ( x ) ||  0.057
x
24 8 192
x2 e
若简单取 P2 ( x )  1  x   ，
 0.45
2 3!
则误差
注：对一般区间 [a, b] ，先将 x 换为 t ，考虑 f (t) 在 [1,
1] 上的逼近 Pn(t) ，再将 t 换回 x ，最后得到 Pn(x) 。
 1.在 [-1,1] 上利用插值极小化求 f ( x )  arctan x
的三次近似插值最佳逼近多项式。
2. 设 f ( x)  e 在 [1,1] 上的插值极小化近似最佳多项式
x

为 Ln ( x)，若 f  Ln  有界，证明对任何 n  1，存在常数  n ,  n

使得  n | Tn 1 ( x) || f ( x)  Ln ( x) |  n | Tn 1 ( x) |, 1  x  1
1 1 2 3 3 15 4 165 5
3. 设在[1,1] 上  ( x)  1  2 x  8 x  24 x  384 x  3840 x
试将  ( x) 降低到三次多项式并估计误差。

4. 在[1,1] 上利用幂级数项数节约求 f ( x)  sin x

的三次逼近多项式，使得误差不超过 0.005 。